AI成旅游规划新宠，用户画像、亮点及真实性探讨

大模型技术飞速发展着, 在此情形之下, 旅游行业成了AI商业化极为活跃的场景范畴之一, 越来越多的用户, 开始把“怎么前往”“居住何处”“路线如何安排”这些问题通通交给AI去做规划, 有业者留意到, 鉴于能够更迅速地接入预订系统, 故而不少用户会选择运用OTA自身携带的AI助手, 那么, 使用这些工具的用户形象是怎样的, 各个旅游平台的AI到底有着哪些突出之处, 要怎样做才能让AI生成的信息具备充足真实性呢…… “AI正摇身变作旅游规划师”这般话题的热度持续攀升着——。

谁在用AI做规划

出游往昔, 最为棘手要数攻略作备工作, 去年前往云南之际, 提前三十日就于各平台之间频繁往返切换, 于小红书上去寻觅灵感, 经由携程来预订酒店, 借助高德以查询路线, 通过大众点评筛选餐馆, 而后制表剖析, 弄得比上班还要疲惫不堪。现今, 将此事交付于AI方可成全。司马燕, 这位刚自潮汕折返而归道是直接开启了全新世界大门的北京游客, 谈及运用AI进行旅行规划的切身体会之时表示——把需求描述得越是详尽入微, 它所规划的攻略便越是妥善周详。我们所采用的乃是旅游平台之上的AI, 能够依据攻略直接点击链接来完成订房、订机票事宜。要命的是, 居然还给了个惊喜, 这次人工智能推送了家深藏于小巷之中的甜汤铺子, 就连本地的友人都未曾涉足过, 那姜撞奶的味道堪称一绝。

“AI帮我们完成了大量的搜索工作, 也完成了筛选工作。”小孙是杭州一家互联网公司的软件工程师, 最近, 他在电脑上部署了OpenClaw, 也就是俗称的“龙虾”, 它是开源AI智能体。他体会到的“快”, 是自己根本不用打开任何旅行APP, “龙虾”不仅做好了行程规划, 还订好了机票和酒店。

五一假期时, 前往南京自由行的小孙, 头一回让“龙虾”帮忙去订酒店, 他先是借助插件接入途牛开放平台服务, 接着输入, 帮我查询5月3日南京夫子庙附近的酒店, 几秒之后, 系统自动列出7家适配酒店, 涵盖距离、档次、房型、价格等对比信息, 小孙挑了其中一家继续追加指令, 查看酒店详情, 预订不含早餐的高级大床房两晚, AI随后整理订单信息并发起下单请求, 小孙登录账号授权并完成支付, 预订工作完成, 整个过程也就几分钟。

近来, 在开发者圈子里颇受关注的, 是作为支持调用外部工具与插件的智能体框架的“龙虾”。记者注意到, 途牛、飞猪等在线旅游平台, 不仅于今年纷纷开放平台, 面向“龙虾”提供一站式旅游服务能力接口, 还在垂直大模型下不断升级AI助手功能。在多数业者看来, AI正在改变用户处理复杂信息的方式。

那么, 究竟是谁在使用这些工具呢? 同程旅行DeepTrip算法负责人方舟所给出的用户画像表明, 80后、90后在其中占比超过一半, 这类用户一般追求高效, 并且偏爱个性化出行, 70后及更年长用户的比例也达到了15％, 他们将AI视作“省事工具”。从城市分布角度看, 可以发现用户主要集中于一二线城市, 不过下沉趋势已然开始显现。

携程研究院的分析师王菁英观察到, 当下, AI旅行服务的客群涵盖了跨境游客, 还有亲子家庭以及银发族, 他们的需求常常是叠加起来的, 就好比用户会提出这样细致的需求, 上午出发, 要高铁直达, 酒店的风景得要好, 景点的选择要把腿脚不方便的老人以及坐不住的孩子考虑进去。

那些被称为“龙虾”用户的群体, 其具备的特征呈现出些许不一样的状况。增长黑盒跟网易智企共同开展了针对2000位个人用户的调研工作, 该调研所展示出的情况是, 在深度使用“龙虾”的用户里面, 技术从业者以及早期科技爱好者所占的比例十分显著。这种情形和“龙虾”存在着相对比较高的技术门槛是有关系的, 对于用户而言, 他们需要自己去进行部署操作, 配置Skill插件, 还要调试指令等。

按照使用场景来讲, 用户对于AI的依赖程度不相同。同程旅行所展示的数据表明, 行程规划的使用率以及酒店机票预订的使用率均为一半, 在节假日的时候交通预订的占比会更高些。携程方面呈现出来的情况是, 规划功能的使用率明显高于预订功能, 也就是说用户更加依赖AI去解决“中国地域如此广阔, 我究竟该如何游玩”这样的问题。进行行程规划同样也是飞猪“问一问”最为热门的交互场景当中的一个, 其占比处于持续上升的状态。

?图虫创意 供图

竞争转向“懂场景”

就在刚刚过去的这一年当中, 人工智能的竞争重点关注的主要是大模型参数规模以及推理能力这件事情上。而今年呢, 在旅游这个行业里面, 这样的竞争已然快速地转变方向了, 转向的方向是“谁更加懂得真实的旅行场景”这个方面。

现下市场里的AI旅行助手大体上能够划分成3种类别, 其一为通用大模型所给予的AI旅行服务, 其二是旅游平台开发出的AI智能体, 还有就是各地打造的AI。北京第二外国语学院旅游科学学院副院长邓宁剖析, 通用大模型于泛化能力以及推理能力层面表现颇为出色, 所以据此做出的旅游攻略合理性更甚一筹, 然而它们欠缺实时的库存与交易数据；于垂直大模型情形下, 旅游平台的AI具备的最大优势, 恰恰是拥有更为强大的旅游供应链；地方智能体能够使得用户迅速知悉景区的拥挤程度、公共服务信息以及本地玩法等。

与其他情况相比较而言, 旅游平台的人工智能在进行规划这个行为的时候, 所涉及的链路是更为完整的。它们到底能够针对用户去提供哪一种维度的服务呢?

先来瞧瞧共性, 首先是行程规划方面的服务延展性, 方舟跟记者讲, 同程旅行在程心AI首页特意弄了个攻略版块, 主要的目标是把用户使用的门槛给降下来, “好多用户还没养成怎么向AI表述需求的习惯, 这些攻略就好比是‘样板间’”, 方舟讲, 团队借助数据运算挑出用户有可能感兴趣的目的地, 靠着AI生成完整的规划, 接着经过人工审核之后展示出来, 用户在点击查看浏览之后, 一般会依据现成的攻略提出修改的意见, 进而和AI开展更进一步的交互。跟着是拥有单项旅游产品的查询、咨询以及购买功能。王菁英讲述, 当下携程问道已然能够自动整合景点、酒店跟交通的产品库存, 待用户点击景点后便可查看评价与购票入口, 达成从规划至交易的一体化。

无疑, 于深度思考能力层面, 各个旅游平台的 AI 有着不同的侧重方向。邓宁做了剖析, 携程问道在旅游供应链的实时性以及准确性这两方面具备优势, 所制作的攻略, 其完成程度以及合理程度均较为良好, 然而它的泛化能力略微存在不足, 就好比在某一个旅游目的地寻觅餐馆时, 情况还不是那么妥当；同程旅行的程心、飞猪千问在产品形态与体验层面表现较好, 线路可视化再加上多个定制师的拟人化处理, 使得用户拥有更好的体验；途牛的旅游线路规划能力相对较强；美团问小团在本地化服务方面展现出不错的表现。

“这些人工智能助手的特质, 是由其本能的基因所决定。比如说, 于旅游平台人工智能构建的行程方案当中, 均会嵌入直达产品预订网页的连接界面。这乃是其关键的商业原理。”山东旅游职业学院党委书记闫向军讲道。

在闫向军的认知当中, 这传达出旅游市场在未来的时候, 极有可能会出现全新的消费方面的变化。“用户并非必定只去依赖某一个平台, 而是借助自身专属的智能体 , 与此同时去调用多个平台的接口 , 进而加以自动地进行比价 , 并且开展校验再去实施规划。”。

事實上, OTA也意識到了這一點, 都在進行相關部署。方舟告知記者, 同程旅行不僅服務個人用戶, 還構建了開放合作體系, 開放了許多種能力, 比如Skill、MCP（模型上下文協議）、智能體、API（應用程序編程接口）等。

途牛于开放生态的着重点同样是这般。“途牛所拥有的CLI乃是一套可关联旅行服务的接口工具, 此工具能够将机票、酒店、邮轮、门票等相关能力予以开放, 供AI智能体进行调用。”途牛资深工程师赵阳作出说明, 以往之时团队常常需要针对不同服务去配置单独的工具, 然而如今借助CLI, 能够把所有旅行能力进行统一的封装。更为关键的是, 它对“动态服务发现”予以支持, 也就是说, 一旦途牛平台增添了新的功能, AI智能体能够自动进行同步更新, 而无需再次安装插件。

让智能体更智能

虽说借助AI去做旅游攻略这种情况愈发流行起来, 然而却存在一个始终没法避开的问题, 那就是AI究竟靠不靠谱? 记者留意到, 位于社交平台之上, 有不少用户都在吐槽AI出现“幻觉”这一情况。有人让AI来规划欧洲一带的旅行, 结果得到的路线当中出现了“已停运”的火车；有人依照AI给出的推荐去寻找餐厅, 却发觉店铺已然歇业了。一旦出现类似这样的错误, 用户对于它的信任度就会很快下降。那么怎样才能够让AI生成的信息是真实的、能够经得起验证?

同程旅行当下的想法是借助智能体架构直接连接实时业务数据池。方舟表示, “我们不但依赖基础大模型的知识, 还借助智能体架构, 深度接入同程旅行巨大的实时业务数据池。”开发团队依据需求复杂度进行分场景响应, 要是用户的需求为简单查询, AI会迅速给出结果, 这是由于航班、酒店等动态信息均实时精准；若是针对复合型行程规划, AI会和用户一同完成决策, 得等用户明确兴趣点后再做深度计算, 进而给出具体规划。这既节省了算力资源，也更符合人们做复杂决策时的心理过程。

从王菁英的角度来看, AI推荐倘若想要保证真实性, 那就得依据真实数据而非“近似值”, 进而形成观点, 携程致力于确保库存信息以及价格能够实时保持准确无误。

途牛所采用的是“人机协同”这样一种路线, 赵阳对3个层面的设计想法进行了详细拆解, 在插件层面, 要稳定对接旅行平台的数据, 以此保障房源和价格能够实时且准确, 并且还要内置距离、星级、房型等筛选维度, 在AI智能体层面, 要精准识别用户需求, 自主拆解任务, 按照检索、筛选、信息整理的流程有序去执行, 在安全权限层面, 要严格区分查询类操作和支付下单类敏感操作, AI仅做辅助指引, 核心交易环节必须由用户账号授权、手动确认。

“旅游平台的AI, 其在订票的情景里所展示出来的表现, 相对而言呈现出标准化的特征, 而用户做出决策的速度也比较快；然而, 行程规划这个过程却较为繁杂, 做出决策所需的成本比较高, 针对AI给出的那些信息, 用户很难在刚看到结果的那一瞬间就产生信任感。”邓宁进行了表述, 意思是用户在接收到由AI规划好的行程之后, 更偏向于再到别的平台去查找相关的信息、不断反复地进行验证, 这本身是一个持续推进且会产生新变化的过程。

据闫向军称, 旅游行业信息繁杂, 要做到全面匹配用户需求, 难度很大；要做到实时匹配用户需求, 难度很大；要做到精准匹配用户需求, 难度很大；要做到有条理地匹配用户需求, 难度很大。此外, 有一个常被忽略的用户端问题, 很多游客和AI对话时表述模糊, 需求不够具体, 这也是AI给出的方案不够妥帖的原因之一。比如有用户在提需求时只说一家三口出门旅游, AI的规划就很难精准匹配；但要是能说明夫妻带8岁男孩出游, 以及大人偏好, 孩子兴趣, 出行节奏等细节, AI就会生成更完善的方案。

所以往后存在一种可能性, 那或许会是用户去构建属于自己的专属私人智能体, 将家庭人员的构成情况给录入其中, 把老人小孩的喜好内容进行录入, 出行的完整经历也要录入, 假期的具体时长也要录入, 饮食方面的偏好也要录入, 居住的各项要求同样要录入, 这些统统都是个性化的信息, 并且数据会留存于本地, 仅仅供个人去使用。闫向军做了这样的预设, 如此一来, 每当展开出行规划的时候, 智能体就会依据预先设定好的偏好, 自然而然地去匹配目的地, 把全域旅游的信息进行整合。而且, 这个专属的智能体能够同时去调用多家旅游平台的接口, 从横向去进行价格比较, 还能够自动抓取各个平台上酒店以及景区的点评, 从而为用户做出最为优异的选择。往后, 说不定并非是平台去做产品的推荐以及排行这一情况了, 然而却是用户依据自身的需求, 使得 AI 在全网范围之内去进行筛选, 并且整合起来接着校验相关信息。

现当下而言, 此条赛道致使消费者去做攻略, 订旅游产品变得愈发简易一点；而至于AI是不是能够让它所规划的行程全部靠谱, 这般一个问题所考验的并非仅仅是技术, 更是整个旅游行业的信息组织能力以及生态开放程度。